2026年Q1，一台AI视觉柜采用双摄像头方案 （顶部+底部视角），设计目标是识别准确率F1-score>0.90。但实测只有0.85 ，误判集中在商品被手遮挡的场景。
一、现象：遮挡场景下识别率暴跌
数据分析发现：无遮挡时F1-score约0.94 ，有手部遮挡时降至0.72。双摄像头的融合没有起到预期效果。
二、排查过程
第一步，检查单摄像头表现。 顶部摄像头单独工作时，遮挡场景F1-score约0.80 。底部摄像头单独工作时，遮挡场景F1-score约0.78。两者单独都比融合后的0.72好。
第二步，检查融合逻辑。 该方案的融合策略是：取两个摄像头中置信度更高的结果 。但代码实现中，置信度比较的方向写反了 ------系统选择了置信度更低的那个结果。
第三步，验证。 修正比较方向后，遮挡场景F1-score从0.72升至0.91 ，整体F1-score从0.85升至0.93。
三、根因
融合逻辑的置信度比较方向错误 ，导致系统选择了更差的结果。这是一个代码逻辑bug，而非算法或硬件问题。
四、解决方案
修正比较方向 ：确保融合逻辑选择置信度更高的结果。
增加融合结果校验 ：当两个摄像头的置信度差距>0.15时，记录日志供后续分析。
五、总结
双摄像头方案的价值在"互补"，不在"堆硬件"。 融合逻辑写错，两个摄像头反而互相拖累。修正一个比较方向，F1-score提升了8个百分点。